Jurnal Informatika Universitas Pamulang Penerbit: Program Studi Teknik Informatika Universitas Pamulang Vol.
No.
September 2022 .
ISSN: 2541-1004 e-ISSN: 2622-4615 32493/informatika.
Metode SAW dengan Pembobotan ROC untuk Seleksi Karyawan Baru pada PT.
Mesco Sarana Nusantara Hendri Ardiansyah1 Teknik Informatika.
Universitas Pamulang.
Jl.
Surya Kencana No.
Tangerang Selatan, 15417 e-mail: 1dosen00832@unpam.
Submitted Date: August 18, 2022 Revised Date: September 2, 2022 Reviewed Date: August 30, 2022 Accepted Date: September 14, 2022 Abstract PT.
Mesco Sarana Nusantara is one of the companies engaged in the oil and gas industry which independently recruits employees within the company.
Companies have difficulty in determining which applicants meet the criteria to become employees of the many applicants, while the applicants who will be accepted as employees are limited.
This resulted in PT.
Mesco Sarana Nusantara experienced problems in making decisions for hiring employees.
For this reason, a decision support system is needed that will assist companies in selecting employee admissions.
The methods used in this decision support system are Simple Additive Weighting and Rank Order Centroid.
The SAW and ROC methods, the SAW method are used to rank while the ROC is used for weighting because the ROC method assigns weight to each criterion according to the ranking which is assessed based on the priority of the criteria.
Based on the test results, the system built can help the personnel sector to determine prospective employee candidates according to the criteria required by the company.
Keywords: Decision Support System.
SAW.
ROC.
Recruitment PT.
Mesco Sarana Nusantara merupakan salah satu perusahaan migas yang merekrut karyawan secara mandiri di dalam perusahaan.
Sulit bagi perusahaan untuk menentukan kandidat mana yang memenuhi kriteria banyak kandidat untuk menjadi karyawan, sementara jumlah kandidat yang akan diangkat sebagai karyawan terbatas.
Hal ini berdasarkan PT.
Mesco Sarana Nusantara berjuang untuk membuat keputusan Untuk itu diperlukan suatu sistem pendukung keputusan untuk membantu perusahaan menyeleksi akses bagi karyawan.
Sistem pendukung keputusan ini menggunakan metode berikut:
pembobotan aditif sederhana dan pemeringkatan pusat gravitasi.
Metode SAW dan ROC, metode SAW digunakan untuk pemeringkatan dan metode ROC digunakan untuk pembobotan, karena metode ROC memberikan bobot pada setiap kriteria berdasarkan peringkatnya, yang dievaluasi berdasarkan prioritas Sistem yang dibangun berdasarkan hasil pengujian dapat membantu industri SDM mengidentifikasi pelamar potensial sesuai dengan kriteria yang dibutuhkan perusahaan.
Kata kunci: Sistem Pendukung Keputusan.
SAW.
ROC.
Rekrutmen.
Pendahuluan Sumber daya manusia perusahaan sangat mempengaruhi banyak aspek keberhasilan perusahaan(Frieyadie, 2.
ditambah lagi dengan Perkembangan teknologi dan informasi saat ini sangat dinamis dan berbanding lurus dengan perkembangan aplikasi yang dibuat khusus untuk mempermudah pekerjaan di suatu perusahaan atau Dengan tersedianya berbagai jenis perangkat lunak untuk mendukung pengembangan aplikasi, perusahaan dapat mengatasi tantangan operasional yang dapat menyebabkan kesalahan pengguna dalam menentukan hasil akhir.
Salah satunya adalah penggunaan program pendukung keputusan dalam pemilihan calon karyawan yang benar-benar layak untuk bekerja di PT Mesco Sarana Nusantara.
Hal ini tentunya akan sangat menguntungkan bagi perusahaan.
Selain waktu yang dibutuhkan untuk memproses data lebih Sistem pendukung keputusan adalah sistem yang mengintegrasikan model dan data untuk memecahkan masalah semi-terstruktur atau http://openjournal.
id/index.
php/informatika This work is licensed under a Creative Commons Attribution-NonCommercial 4.
International (CC BY-NC 4.
License Copyright A 2022 Hendri Ardiansyah Jurnal Informatika Universitas Pamulang Penerbit: Program Studi Teknik Informatika Universitas Pamulang Vol.
No.
September 2022 .
ketergantungan yang melibatkan pengguna dalam menetukan keputusan (Ermatita & Handayani.
Pemilihan pegawai yang diterima untuk menentukan kelulusan didasarkan pada beberapa kriteria yaitu pemeriksaan latar belakang akademik, pemeriksaan kesehatan, pemeriksaan wawancara, pendidikan terakhir dan usia.
Keterbatasan yang biasa ditemukan dalam proses rekrutmen PT.
Mesco Sarana Nusantara, yaitu sulitnya mengidentifikasi kandidat yang memenuhi kriteria untuk menjadi pegawai dari banyak calon sedangkan jumlah calon yang diterima menjadi pegawai terbatas.
Metode Simple Additive Weighting (SAW) adalah salah satu metode yang dapat digunakan untuk membantu dalam pengambilan keputusan, karena metode ini sangat mudah dan sederhana dalam menghasilkan keputusan.
Namun dalam menerapkan metode SAW, bobot masih dihasilkan dengan pemberian nilai langsung dalam pemrosesan perangkingan.
Hal ini tentu memberikan kelemahan besar dalam perangkingan menggunakan metode SAW (Badaruddin, 2.
Agar pembobotan terhadap kriteria menjadi lebih baik, penulis juga menggunakan metode Rank Order Centroid (ROC).
ROC merupakan pemberian bobot pada setiap kriteria sesuai dengan rangking yang dinilai berdasarkan prioritas yang tepat pada masing-masing kriteria (Utami.
Andreswari, & Setiawan, 2.
ROC bekerja dengan menitik beratkan bahwa kriteria pertama lebih penting dibanding kriteria kedua, kriteria kedua lebih penting dari kriteria ketiga, dan begitu Metode Penelitian Metode yang digunakan dalam penelitian ini adalah metode Simple Additive Weighting (SAW) dan Rank Order Centroid (ROC) yang mana metode ROC digunakan untuk pembobotan pada setiap kriteria yang digunakan.
Simple Additive Weighting (SAW) Metode Simple Additive Weighting (SAW) sering juga dikenal istilah metode penjumlahan Konsep dasar metode Simple Additive Weighting (SAW) adalah mencari jumlah bobot dari skor kinerja setiap alternatif di semua atribut.
Metode Simple Additive Weighting (SAW) direkomendasikan untuk menyelesaikan masalah pemilihan saat membuat keputusan dalam banyak proses (Agus Perdana Windarto, 2.
ISSN: 2541-1004
e-ISSN: 2622-4615 32493/informatika.
Metode SAW mengharuskan matriks keputusan .
dinormalisasi pada skala yang dapat dibandingkan dengan semua estimasi alternatif yang ada.
Metode ini adalah yang paling dikenal dan paling banyak digunakan dalam situasi keputusan atribut ganda atau Multiple Attribute Decision Making (MADM).
MADM sendiri merupakan metode pencarian alternatif yang optimal antara beberapa alternatif dengan kriteria tertentu (Utami et al.
, 2.
Langkah-langkah penyelesaian Simple Additive Weighting (SAW), langka-langkah penyelesaian SAW sebagai berikut(Chintyari & Prihatin, 2.
Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan yaitu.
Ci.
Menentukan rating kecocokan pada setiap Membuat matriks keputusan berdasarkan kriteria(C.
, persamaan yang disesuaikan dengan jenis atribut .
tribut keuntungan ataupun atribut biay.
sehingga diperoleh matriks ternormalisasi R.
Hasil akhir diperoleh dari proses perangkingan yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vektor bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik (A.
sebagai solusi.
Berikut adalah metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu:
ycuycnyc , ycycnycoyca yc ycayccycaycoycaEa ycaycycycnycaycyc ycoyceycycuycycycuyciycaycu .
ycAycaycu ycuycnyc ycycnyc = ycAycaycu ycu ycnyc , ycycnycoyca yc ycayccycaycoycaEa ycaycycycnycaycyc ycaycnycaycyca .
{ ycuycnyc Dimana rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj.
i=1,2,A,m dan =1,2,A,n.
Nilai preferensi untuk setiap alternatif (V.
diberikan sebagai:
ycu ycOycn = Oc ycOyc ycIycnyc yc=ycn Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih.
Dimana:
Vi = Nilai Akhir dari Alternatif Wi = Bobot yang telah ditentukan Rij = Normalisasi Matriks http://openjournal.
id/index.
php/informatika This work is licensed under a Creative Commons Attribution-NonCommercial 4.
International (CC BY-NC 4.
License Copyright A 2022 Hendri Ardiansyah Jurnal Informatika Universitas Pamulang Penerbit: Program Studi Teknik Informatika Universitas Pamulang Vol.
No.
September 2022 .
Rank Order Centroid (ROC) Metode Rank Order Centroid (ROC) didasarkan pada tingkat kepentingan atau prioritas dari kriteria.
teknik ROC memberikan bobot pada setiap kriteria sesuai dengan rangking yang dinilai berdasarkan tingkat prioritas.
Biasanya dibentuk dengan pernyataan AuKriteria 1 lebih penting dari kriteria 2, yang lebih penting dari kriteria 3Ay dan seterusnya hingga kriteria ke-n ditulis.
Untuk menentukan bobotnya, diberikan aturan yang sama yaitu dimana bobot menggunakan aturan Bobot 1 lebih besar dari bobot 2 dan lebih besar dari bobot (Sukmana & Supriana, 2.
Jika, yayc1 Ou yayc2 Ou yayc3 Ou yayc4 A Ou yayco
Maka, yaA1 Ou yaA2 Ou yaA3 Ou yaA4 Ou U yaAycu
ISSN: 2541-1004
e-ISSN: 2622-4615 32493/informatika.
Selanjutanya, jika k merupakan banyaknya kriteria, maka (Arya & Saputra, 2.
ycO1 = yco
ycO1 = yco
0 0 U
ycO1 = yco
0 U 0
yco ycO1 = yco Secara umum pembobotan ROC dapat dirumuskan sebagai berikut (Arya & Saputra, 2.
yco ycOyco = Oc ( ) yco ycn=1 ycn Hasil dan Pembahasan Langkah pertama adalah menentukan kriteria yang akan digunakan, berikut adalah kriteria-kriteria yang digunakan:
Table 1.
Kriteria Kriteria Jenis Test Akademik Benefit Test Kesehatan Benefit Pendidikan Terakhir Benefit Test Wawancara Benefit Usia Cost Langkah kedua adalah menentukan prioritas dan bobot menggunakan metode Rank Order Centroid (ROC), berikut penentuan proritas dari setiap kriteria.
Pendidikan Terakhir Test Wawancara Usia Perhitungan bobot menggunakan metode metode Rank Order Centroid (ROC).
ycO1 = ycO2 = 1 1 1 1
2 3 4 5 = 0,457
1 1 1 1
2 3 4 5 = 0,257
1 1 1
3 4 5 = 0,157
ycO3 = 0 0 0
4 5 = 0,090
ycO4 = 0 0
ycO5 = 0 0 0 0
5 = 0,040
Table 3.
Nilai Bobot Kriteria
Kriteria
Nilai Bobot
Test Akademik
0,457
Test Kesehatan 0,257 Pendidikan Terakhir 0,157 Test Wawancara
0,090
Usia
0,040
Langkah berikutnya adalah normalisasi matriks penilaian, matriks penilaian didapat dari hasil penilaian calon karyawan baru, seperti pada tabel berikut:
Tabel 1.
Matriks Penilaian Calon Karyawan Tes
Akade
Tes
Kesehat Pendidi Terakhi Tes
Wawanc
Usi
CK01
CK02
CK03
CK04
CK05
CK06
CK07
CK08
CK09
CK10
Calon Karyaw Table 2.
Prioritas Kriteria Hasil normalisasi matriks Prioritas Kriteria ditampilkan pada tabel berikut:
Test Akademik Test Kesehatan http://openjournal.
id/index.
php/informatika This work is licensed under a Creative Commons Attribution-NonCommercial 4.
International (CC BY-NC 4.
License Copyright A 2022 Hendri Ardiansyah Jurnal Informatika Universitas Pamulang Penerbit: Program Studi Teknik Informatika Universitas Pamulang Vol.
No.
September 2022 .
Tabel 2.
Normalisai matriks penilaian Calon Karya
Tes
Akade
Tes
Keseh Pendid
Terak
Tes
Wawan
Usia
ISSN: 2541-1004
e-ISSN: 2622-4615 32493/informatika.
CK05
0,7774
CK06
0,746
CK07
0,7366
CK01
0,69
CK01
CK04
0,6706
CK02
CK09
0,5270667
CK03
CK08
0,4556
CK04
1,25
CK05
CK06
CK07
CK08
CK09
1,666
CK10
Hasil Normalisasi dikalikan dengan bobot kriteria yang didapat dengan perhitungan metode ROC Tabel 3.
Hasil Pembobotan Calo
Kary CK0
CK0
CK0
CK0
CK0
CK0
CK0
CK0
CK0
CK1
Tes
Aka
Tes
Kese
0,27
0,36
0,27
0,45
0,45
0,36
0,27
0,18
0,15
0,25
0,15
0,05
0,05
0,20
0,05
0,05
0,27
0,45
0,05
0,15
Pend
Tera
0,125
0,094
Tes
Waw
Usi
Jumla
Pemo
0,036
0,69
0,054
0,04
0,8108
0,157
0,094
0,054
0,8394
0,018
0,05
0,6706
0,157
0,062
0,072
0,04
0,7774
0,072
0,04
0,746
0,157
0,031
0,054
0,7366
0,09
0,4556
0,072
0,06
0,072
0,9774
0,062
0,094
Tabel 4.
Hasil Perangkingan Rangking Calon Karyawan Nilai Akhir CK10
0,9774
CK03
0,8394
CK02
0,8108
0,5270
Future Work Berdasarkan hasil yang didapat dari penelitian yang dilakukan, bahwasannyan metode SAW dengan Pembobotan ROC memberikan hasil yang maksimal, dengan memberikan hasil rekomendasi peringkat untuk penerimaan calon karyawan baru dimana calon karyawan 10 (CK .
adalah rekomendasi terbaik dengan nilai akhir 0,9774.
References